Hive：从分组中随机选择不同大小的样本答案

【问题标题】：Hive: random select different size of samples from group byHive：从分组中随机选择不同大小的样本
【发布时间】：2020-09-29 03:20:55
【问题描述】：

是否可以在 Hive 中从 group by 中随机选择不同大小的样本？例如，我有一个这样的表

|-----------------|----------------|
|     ID          |     Value      |
|-----------------|----------------|
|    IKJ12        |    5           |
|-----------------|----------------|
|    IKJ12        |    9           |
|-----------------|----------------|
|    IKJ12        |    10          |
|-----------------|----------------|
|    IKJ09        |    7           |
|-----------------|----------------|
|    IKJ09        |    14          |
|-----------------|----------------|

我想从ID = IKJ12 中随机选择两个样本，从ID = IKJ09 中随机选择一个样本。一种可能是这样的。

|-----------------|----------------|
|     ID          |     Value      |
|-----------------|----------------|
|    IKJ12        |    5           |
|-----------------|----------------|
|    IKJ12        |    10          |
|-----------------|----------------|
|    IKJ09        |    14          |
|-----------------|----------------|

【问题讨论】：

标签： random group-by hive

【解决方案1】：

你能试试这个吗？我没有找到测试它，但我认为你会从中得到想法。
行号用于为分区中的每个 ID 提供唯一的行号。
sum 用于获取分区中有多少个元素。

select id,value
from 
(select id,value,
row_number() over(partition by id order by id) rn
sum(1) over(partition by id order by id) cnt
from table 
)
where rs.rn<= floor(rand*100)%cnt+1

【讨论】：